Отчёт о тестах GPT-5.4
На 17 нояб. 2026 г. у GPT-5.4 предварительный Spicy Index 50,0. Свобода не проверена или данных недостаточно. Index сохраняет исходный балл качества и возможностей, помечается как предварительный и продолжает участвовать в рейтинге. Отсутствие данных не равно нулю.
Каждый балл за оценками GPT-5.4: на какую строку таблицы попал каждый пункт, где потеряны баллы, и каждый тест контента с датой.
- Методика v3.3 →
- Оценки рассчитаны
- Рейтинг: Языковые модели →
Из чего складывается Spicy Index
Как считаетсяSpicy Index объединяет 70% качества и возможностей с 30% публикуемого Freedom Score. При полных данных: 59,5% качества, 10,5% возможностей и 30% свободы. Цена и скорость остаются отдельно.
Сравнение с лидером
Отставание от Claude Opus 5.5: 32,5 балла Index. Моделей на первом месте: 1.
| Показатель | GPT-5.4 | Claude Opus 5.5 | Взвешенная разница |
|---|---|---|---|
| Публичные рейтинги | — | — | 0,0 |
| Ролевые игры | — | 76,3 | +15,1 |
| Художественный текст | — | 71,0 | +14,1 |
| Выполнение инструкций | — | 100,0 | +19,8 |
| Память на длинном контексте | — | — | 0,0 |
| Возможности | 50,0 | 65,0 | -43,2 |
| Freedom Score | — | 88,9 | +26,7 |
Свобода не проверена или данных недостаточно. Index сохраняет исходный балл качества и возможностей, помечается как предварительный и продолжает участвовать в рейтинге. Отсутствие данных не равно нулю.
| Измерение | Доля в этом Index | Статус | Оценка |
|---|---|---|---|
| Публичные рейтинги | — | Ожидает | — |
| Ролевые игры | — | Ожидает | — |
| Художественный текст | — | Ожидает | — |
| Выполнение инструкций | — | Ожидает | — |
| Память на длинном контексте | — | Ожидает | — |
| Возможности | 100 % | Оценено | 50,0 |
| Freedom Score | — | Пока не проверяли | — |
GPT-5.4: Возможности, строка за строкой
Как считаетсяКаждый пункт считывается из спецификации модели на SpicyAPI и сопоставляется с одной строкой фиксированной таблицы. Никаких субъективных решений.
50,0/ 1000 + 12 + 15 + 8 + 15 = 50 / 100
По открытой спецификации модели на SpicyAPI, 17 нояб. 2026 г.
| Пункт | На SpicyAPI | Совпавшая строка | Баллы | Потерянные баллы |
|---|---|---|---|---|
| Окно контекста (по данным разработчика)до 30 б. | Не указано | Не указаноПоказать всю таблицу
| 0,0 / 30 | −30,0 |
| Входные модальности на SpicyAPIдо 25 б. | Текст, а также изображения | Ввод изображенийПоказать всю таблицу
| 12,0 / 25 | −13,0 |
| Использование инструментовдо 15 б. | Инструменты и tool_choice | Инструменты принимаются + Управление через tool_choiceПоказать всю таблицу
| 15,0 / 15 | Полный балл |
| Структурированный выводдо 15 б. | Принимается, соответствие схеме пока не подтверждено | response_format принимаетсяПоказать всю таблицу
| 8,0 / 15 | −7,0 |
| Управление рассуждениемдо 15 б. | 5 уровней: none · low · medium · high · xhigh | 5 уровней, включая «выкл.» или минимальныйПоказать всю таблицу
| 15,0 / 15 | Полный балл |
Доля набранных баллов по пунктам
Пока не проверяли
По этим измерениям пока нет данных, поэтому они не входят в Index. Ни одно из них не оценивается приблизительно.
Публичные рейтинги40 % качества
Пока не проверяли
Баллы из arena.ai, Artificial Analysis и Design Arena, только для точно той же модели; каждый переводится в шкалу 0–100 и усредняется с весом.
Как считаетсяРолевые игры15 % качества
Пока не проверяли
Цельность персонажа, погружение и отсутствие нотаций вне роли: 30 сценариев × 3 образца, оценивают три LLM-судьи вслепую.
Как считаетсяХудожественный текст15 % качества
Пока не проверяли
Выполнение промпта, оригинальность, проза и структура: 20 промптов × 2 образца, оценивают три LLM-судьи вслепую.
Как считаетсяВыполнение инструкций15 % качества
Пока не проверяли
100 автоматически проверяемых ограничений по формату, длине, обязательному содержанию и JSON-схеме. Без судей.
Как считаетсяПамять на длинном контексте15 % качества
Пока не проверяли
Вопросы на припоминание и двухшаговые вопросы на 32k, 128k, 256k, 512k и 1 млн токенов — в пределах опубликованного окна модели.
Как считается
Тесты контента GPT-5.4 по задачам
Как считаетсяОценка семейства — среднее по задачам, так что одна осторожная задача тянет вниз всё семейство. Вот откуда взялся каждый балл.
Мы ещё не проводили тесты контента для этой модели, поэтому у неё нет Freedom Score.
Сколько стоит и сколько занимает
Как считаетсяИзмеряется, но не оценивается. Цена — из актуального каталога, скорость — по реальным задачам за последние 30 дней.
- Цена
- $5.63 за 1 млн смешанных токенов (3 входных : 1 выходной)
- Доля успешных
- Пока не публикуется ни для одной модели. Доля успешных появится для всех семейств одновременно, когда наберётся 30 дней реального трафика.
- Скорость вывода
- Собираем данныеВключая время до первого токена
- Доля успешных
- Собираем данные
Время появляется, когда набирается не менее 10 завершённых задач. Доля успешных считается только по задачам клиентов и скрыта для всех моделей, пока не наберётся 30 полных дней трафика.
Объективно и независимо
SpicyAPI продаёт доступ к этой модели. Её оценки берутся только из опубликованных таблиц и записей тестов на этой странице. Цена, коммерческие условия и договорённости о поставках не играют никакой роли.